Dalam menjalankan suatu proses, terkadang kita memerlukan analisis untuk meyakinkan bahwa proses yang dijalankan sudah sesuai dengan syarat dan memenuhi ekspektasi yang diinginkan. Berbagai metode diterapkan untuk menyatakan validasi proses dalam angka, salah satunya yaitu indeks Process Performance (PPK) dengan metode Monte Carlo Simulation.
Monte Carlo Simulation adalah salah satu metode perhitungan statistika untuk mengetahui suatu proses dapat dinyatakan valid atau tidak. Dalam penelitian, kegiatan pengambilan sampel dan pengukuran yang kurang tepat bisa memengaruhi hasil perhitungan dan kesimpulan studi. Oleh karena itu, Monte Carlo Simulation dilakukan untuk menampilkan indeks yang dapat menilai suatu proses harus dikaji Kembali atau tidak, indeks tersebut dinamakan PPK (Process Peformance). Suatu proses dapat dikatakan valid apabila memiliki nilai PPK (Process Performance) lebih dari satu. Nilai PPK di bawah 1 menunjukkan bahwa suatu proses harus ditinjau Kembali. Kesalahan dalam pengukuran atau prosedur pengambilan sampel mampu memengaruhi kestabilan dan akurasi data yang diperoleh. Variabel yang digunakan dalam perhitungan PPK dalam Monte Carlo Simulations, diantaranya nilai standar deviasi dan mean (nilai tengah) parameter. Semakin besar nilai standar deviasi yang diinputkan untuk Monte Carlo Simulation, maka rentang variasi nilai parameter yang akan diuji coba akan semakin luas. |
Tabel 1 Kategori PPK (Process Performance)
Sumber: Snee, 2016
Di bawah ini adalah contoh hasil Monte Carlo Simulation yang menunjukkan grafik Process Performance. Gambar 1a menunjukkan PPK sebesar 1.2577 dan Gambar 1b menunjukkan PPK sebesar 0.6711. Berdasarkan acuan pada Tabel 1, maka Gambar 1a termasuk dalam acceptable process, sedangkan Gambar 1b termasuk dalam poor process.
(a)
(b)
Gambar 1 Contoh hasil perhitungan PPK dengan Monte Carlo Simulations
Gambar 1a merupakan hasil PPK yang menunjukkan suatu proses pemodelan ZSV (zone settling velocity) dapat diterima dan data yang diperoleh dari proses tersebut dapat dilanjutkan untuk analisis, sedangkan Gambar 1b merupakan hasil PPK yang menunjukkan suatu proses tidak dapat diterima dan tidak mewakili kondisi aktual. Data pada Gambar 1 memiliki USL sebesar 8 dan LSL sebesar 1. Nilai USL dan LSL dalam Monte Carlo Simulation adalah nilai ZSV (Zone Settling Velocity) yang diperoleh dari hasil perhitungan di laboratorium. Nilai ZSV dipengaruhi oleh dua variable utama, yaitu hasil kali konstanta dan konsentrasi biomassa (kx) dan kecepatan awal (vo). Standar deviasi kx dan vo yang digunakan sebagai data input Monte Carlo Simulations akan menentukan seberapa besar rentang nilai kx dan vo yang akan diambil secara acak untuk memprediksi nilai ZSV. Gambar 1a dan Gambar 1b memiliki nilai standar deviasi dan mean yang berbeda karena proses yang dilakukan untuk memperoleh data juga berbeda. Berdasarkan Gambar 1, perhitungan PPK dengan Monte Carlo Simulation mampu menunjukkan frekuensi nilai ZSV yang muncul dari kalkulasi berbagai nilai kx vo yang diambil secara acak. Gambar 1a menunjukkan bahwa nilai ZSV yang paling sering dihasilkan dari simulai berada di kisaran 4, sedangkan Gambar 1b menunjukkan bahwa nilai ZSV yang paling sering dihasilkan dari simulasi sebeberada di kisaran 5.